Системные промпты Cursor, Claude Code, Devin и ещё 30 AI-инструментов: крупнейшая открытая коллекция

Системный промпт — это скрытая инструкция, которая определяет поведение любой AI-модели в продукте. Пользователь её не видит, но именно она превращает сырую LLM в Cursor, Devin или Lovable. Репозиторий system-prompts-and-models-of-ai-tools открывает этот «чёрный ящик»: здесь собраны реальные системные промпты более чем 30 популярных AI-инструментов вместе с описаниями их внутренних инструментов.

Проект ведёт автор под ником x1xhlol. Репозиторий появился в марте 2025 года и вырос в крупнейшую публичную коллекцию такого рода: почти 144 тысячи звёзд и около 35 тысяч форков на GitHub. Материалы обновляются регулярно — коллекция пополняется по мере выхода новых версий инструментов. Лицензия — GPL-3.0.

Что внутри репозитория

Структура простая: на каждый продукт отведена отдельная папка. Внутри обычно два файла:

• Prompt.txt — сам системный промпт, иногда разбитый на несколько файлов по режимам работы;
• tools.json — JSON-описания внутренних инструментов, которые модель может вызывать.

Названия папок говорят сами за себя. Вот лишь часть каталога:

Отдельно стоят три группы. Первая — папка Open Source prompts с промптами открытых инструментов: Cline, Codex CLI, Gemini CLI, RooCode, Bolt, Lumo. Вторая — папка Anthropic с промптами самих моделей: Claude Sonnet 4.5, 4.6 и 5, Claude Code 2.0, Claude for Chrome. Третья — папка Google с промптами Antigravity и Gemini AI Studio в режиме вайб-кодинга.

У некоторых инструментов промптов несколько. У Cursor — пять версий агента с разными датами, у Xcode — отдельные промпты для каждого действия: объяснение кода, генерация превью, работа с документами. У Manus в папке Manus Agent Tools & Prompt лежат не только промпт и инструменты, но и описание цикла работы агента.

Зачем нужен tools.json

Промпт — только половина картины. Вторая половина — набор инструментов, которые агент умеет вызывать. Файл tools.json показывает их в том же виде, в каком их видит модель: имя, описание и схема параметров.

Например, у Lovable — генератора веб-приложений — инструменты начинаются с префикса lov-:

{
  "lov-add-dependency": {
    "description": "Use this tool to add a dependency to the project. The dependency should be a valid npm package name.",
    "parameters": {
      "properties": {
        "package": {
          "example": "lodash@latest",
          "type": "object"
        }
      }
    }
  }
}

Такие файлы — готовый справочник по архитектуре любого агента. Из них видно, чем набор команд Cursor отличается от набора Windsurf, как Devin организует работу с окружением и какие инструменты есть у чата versus у режима сборки в Trae. Для тех, кто проектирует собственных агентов, это образцы того, как описывать инструменты, чтобы модель вызывала их корректно.

Чему учат эти промпты

Главная ценность коллекции — она показывает приёмы промышленного промпт-инжиниринга, а не учебные примеры. Несколько повторяющихся паттернов.

Жёсткие правила и приоритеты. Инструкции делят на уровни важности: фразы вроде IMPORTANT и MUST отделяют непреложные требования от обычных рекомендаций. Так модель не «забывает» критичные ограничения в длинном диалоге.

Когда использовать и когда не использовать. Хорошие описания инструментов содержат обе части. Фрагмент из промпта агента Cursor:

// Use `codebase_search` when you need to:
// - Explore unfamiliar codebases
// - Ask "how / where / what" questions to understand behavior
//
// ### When NOT to Use
//
// Skip `codebase_search` for:
// 1. Exact text matches (use `grep`)
// 2. Reading known files (use `read_file`)

Инструмент семантического поиска прямо перечисляет случаи, когда вместо него нужен grep или чтение файла. Это снижает долю ошибочных вызовов.

Разметка тегами. Большинство промптов структурируют XML-тегами: <example>, <tool_use_error>, <system-reminder>. Теги помогают модели отличать инструкции от данных и примеры от правил.

Примеры «хорошо — плохо». Почти каждый инструмент снабжают парами: корректный запрос и провальный. Модель учится на контрасте, а не только на позитивных примерах.

Режимы работы. Крупные продукты держат отдельные промпты для чата, агента, планирования и ревью. Сравнение этих файлов показывает, как один и тот же продукт меняет поведение модели под задачу: планировщику — рассуждения, сборщику — запреты на лишние вопросы.

Безопасность: обратная сторона открытости

Сам факт существования коллекции — аргумент в пользу скепсиса по поводу «секретности» промптов. Системные промпты вытаскивают из клиентов, и рассчитывать на них как на коммерческую тайну наивно. Автор репозитория делает на этом бизнес: он основал сервис ZeroLeaks, который проверяет AI-стартапы на риски утечки промптов и уязвимости к prompt injection. В начале README размещено предупреждение: если вы строите продукт на LLM, проверьте, насколько легко извлечь ваши промпты.

Отсюда практический вывод для разработчиков: системный промпт стоит писать так, как будто он однажды станет публичным. Не держать в нём ключи и приватные данные. А чувствительную логику дублировать на стороне кода, а не инструкций.

Есть и обратная сторона: слитые промпты — это чужая интеллектуальная собственность. Копировать их в свой продукт — плохая идея и юридически, и этически. Использовать как материал для изучения — нормально; лицензия GPL-3.0 формально закрепляет статус коллекции как публичного произведения.

Как извлечь пользу

Коллекция полезна трём категориям читателей.

Авторам собственных агентов — как справочник паттернов: описание инструментов, отказоустойчивые формулировки, примеры, режимы работы. Удобно сравнить подходы Cursor и Claude Code к одной задаче и взять лучшее.

Инженерам по качеству — как набор тестовых сценариев: зная системный промпт инструмента, проще понять, почему агент ведёт себя неожиданно, и построить проверку на граничных случаях.

Всем, кто разбирается в prompt-инжиниринге, — как учебник на реальных примерах. Чтение промпта Devin или Manus даёт больше, чем десяток статей: видно, сколько труда стоит заставить модель стабильно работать в продукте.

Репозиторий дополняет активное сообщество в Discord, а сам автор публикует новости коллекции в X. Если промпт нужного инструмента ещё не слили, стоит заглянуть в папку открытых альтернатив: промпты Cline и Gemini CLI читаются так же поучительно, как и закрытые образцы.